kmeans聚类分析 python

K-Means聚类是一种常用的无监督机器学习算法，用于数据集的分组或分类。它的基本思想是将数据分成预设数量（k）的簇，每个簇由离其质心最近的数据点组成。在Python中，我们可以使用sklearn库来进行K-Means聚类分析：

1. **导入库**：首先需要导入`sklearn.cluster.KMeans`模块和其他必要的库，如`numpy`用于处理数组。

from sklearn.cluster import KMeans
import numpy as np

2. **准备数据**：确保数据是数值型的，并且已经整理成适合算法的形式，通常是二维数组。

data = np.array(...) # 替换为你的数据

3. **创建模型并拟合**：设定所需的簇的数量`n_clusters`，然后实例化KMeans模型并使用`.fit()`方法对数据进行训练。

kmeans = KMeans(n_clusters=3)
kmeans.fit(data)

4. **预测类别**：通过`.predict()`方法对新的数据点进行聚类分配。

predictions = kmeans.predict(new_data)

5. **评估结果**：查看聚类中心(`cluster_centers_`)、标签(`labels_`)等信息，以及可以使用如轮廓系数Silhouette Coefficient评估聚类的质量。

print(kmeans.cluster_centers_)
print(predictions)